使用pytorch实现数字识别器

前言：本篇文章是关于数字识别器的识别和卷积神经网络的应用。
若对卷积神经网络不熟悉，可参考文章：卷积神经网络
关于深度学习的一些代码及实战，可参考深度学习基础（github）

下面我们尝试用PyTorch搭建一个卷积神经网络，并用它来解决手写数字识别的问题。

1、数据准备

# torchvision主要是导入数据，若认为麻烦，可使用d2l中的数据集；若没有torchvision，在cmd输入pip install torchvision


import torch
import torchvision
from torch import nn
import torchvision.transforms as transforms
from d2l import torch as d2l
import matplotlib.pyplot as plt

2、数据集导入

事实上PyTorch自带了一系列数据集，其中就包括我们将使用的手写数字数据集MNIST（这是一组手写数字的图像），还开发了数据处理的包，封装了处理数据集的常用功能，可以将各种数据类型转换成张量，方便以后的批训练。

# 假设你使用 torchvision 来加载数据
transform = transforms.Compose([
    transforms.ToTensor(),  # 将图片转换为 Tensor
    transforms.Normalize((0.5,), (0.5,))  # 归一化
])

# 加载训练集
trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)
# 加载训练集
testset = torchvision.datasets.MNIST(root='./data', train=False, download=True, transform=transform)
test_loader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=True)

# 若不想使用torchvision ,可使用 d2l
# train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)

3、照片展示

对于已经处理好的数据，我们可以直接根据索引去提取，并通过Python的绘图处理包将手写数字显示出来。

pic,label=trainset[0]
pic=pic.numpy()
plt.imshow(pic[0])
# plt.imshow(pic[0],cmap='gray')
print(label)

3、cnn模型构造（以AlexNet为例）

dropout正是一种防止过拟合的技术。简单来说，dropout就是指在深度网络的训练过程中，根据一定的概率随机将其中的一些神经元暂时丢弃。Conv2d为卷积层操作，MaxPool2d为池化层操作，采用最大汇聚方法，使用relu激活函数。

net = nn.Sequential(  
    nn.Conv2d(1, 96, kernel_size=2, stride=2, padding=1), nn.ReLU(),  
    nn.MaxPool2d(kernel_size=3, stride=2),  
    nn.Conv2d(96, 256, kernel_size=5, padding=2), nn.ReLU(),  
    nn.MaxPool2d(kernel_size=3, stride=2),  
    nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(),  
    nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),  
    nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),  
    nn.MaxPool2d(kernel_size=3, stride=2),  # 假设这一步后尺寸变为1x1或接近  
    nn.Flatten(),  
    nn.Linear(256, 4096), nn.ReLU(),  
    nn.Dropout(p=0.5),  
    nn.Linear(4096, 4096), nn.ReLU(),  
    nn.Dropout(p=0.5),  
    nn.Linear(4096, 10)  
)

4、训练模型

num_epochs,lr=10,0.05 #批次，学习率
batch_size = 256 # 每批的数量
# 定义损失函数
d2l.train_ch6(net, train_loader, test_loader, num_epochs, lr, d2l.try_gpu())

5、补充（补充神经网络的代码实现）

def evaluate_accuracy_gpu(net, data_iter, device=None):
    """
    使用GPU计算模型在数据集上的精度
    net: 神经网络模型，预期是一个torch.nn.Module的实例。
    data_iter: 数据迭代器，用于迭代访问数据集中的样本。
    device: 指定计算应该在哪个设备上执行（CPU或GPU）。如果未指定，则自动从net的参数中推断出设备。
    """
    if isinstance(net, nn.Module):
        net.eval()  # 设置为评估模式
        if not device:
            device = next(iter(net.parameters())).device
    # 用于累积两个值：正确预测的数量和总预测的数量。这个累积器在循环中用于计算准确率。
    metric = d2l.Accumulator(2)
    # 上下文管理器禁用梯度计算，在评估模式下不需要计算梯度。然后，遍历数据迭代器中的每一批数据
    with torch.no_grad():
        for X, y in data_iter:
            if isinstance(X, list):
                # BERT微调所需
                X = [x.to(device) for x in X]
            else:
                X = X.to(device)
            y = y.to(device)
            # 计算当前批次数据的准确率，并将其与当前批次中的样本数一起添加到累积器中
            metric.add(d2l.accuracy(net(X), y), d2l.size(y))
    # 返回准确率
    return metric[0] / metric[1]

def train_ch6(net, train_iter, test_iter, num_epochs, lr, device):
    # 参数初始化
    def init_weights(m):
        if type(m)==nn.Linear or type(m)==nn.Conv2d:
            # 初始化权重
            nn.init.xavier_uniform_(m.weight)
    # 将这个函数加到net网络中
    net.apply(init_weights)
    # 判断设备 是GPU还是CPU
    print('device on:',device)
    # 将设备也加入网络中
    net.to(device)
    # 定义损失函数 交叉熵损失函数
    loss=nn.CrossEntropyLoss()
    # 定义优化器
    optimizer=torch.optim.SGD(net.parameters(),lr=lr)
     # 可视化训练过程中的损失和准确率
    animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs],
                            legend=['train loss', 'train acc', 'test acc'])
    timer, num_batches = d2l.Timer(), len(train_iter)
    # 进行模型训练
    for epoch in range(num_epochs):
        # 重置累计器,分别记录 训练损失，准确率，样本数
        metric = d2l.Accumulator(3)
        net.train()
        for i,(X,y) in enumerate(train_iter):
            # 累计器开始工作
            timer.start()
            # 梯度设为零
            optimizer.zero_grad()
            # 将数据放入到指定设备中
            X,y=X.to(device),y.to(device)
            # 模型进行训练
            y_hat=net(X)
            # 计算损失函数
            l=loss(y_hat,y)
            # 反向传播
            l.backward()
            # 优化器
            optimizer.step()
            # 如果没有梯度
            with torch.no_grad():
                # 记录 计算每个样本的训练损失，准确率，样本数据
                metric.add(l*X.shape[0],d2l.accuracy(y_hat,y),X.shape[0])
            # 训练结束，对数据进行处理
            timer.stop()
            # 计算总的训练损失
            train_loss=metric[0]/metric[2]
            # 计算总的准确率
            train_acc=metric[1]/metric[2]
            # 进行绘图          
            if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
                animator.add(epoch + (i + 1) / num_batches,(train_loss, train_acc, None))
        test_acc = evaluate_accuracy_gpu(net, test_iter)
        animator.add(epoch + 1, (None, None, test_acc))
    # 打印当前轮次的训练损失、训练准确率和测试准确率
    print(f'loss {train_loss:.3f}, train acc {train_acc:.3f}, '
                  f'test acc {test_acc:.3f}')
    # 计算并打印平均每秒处理的样本数。
    print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec '
                  f'on {str(device)}')
num_epochs,lr=10,0.05
batch_size = 256
num=len(train_loader)
# 定义损失函数
train_ch6(net, train_loader, test_loader, num_epochs, lr, d2l.try_gpu())   

6、运行结果